高峰:基于卷积神经网络的滚动轴承故障诊断算法论文

高峰:基于卷积神经网络的滚动轴承故障诊断算法论文

本文主要研究内容

作者高峰,曲建岭,余路,王伟栋(2019)在《基于卷积神经网络的滚动轴承故障诊断算法》一文中研究指出:现有的滚动轴承故障诊断算法依赖于人工特征提取,当负载发生变化或故障样本数较少时,诊断效果较差。针对该问题,文中建立了基于卷积神经网络的智能故障诊断算法。首先,将原始振动数据进行分段预处理;其次,建立基于卷积神经网络的故障诊断模型实现对故障特征的自适应提取;最后,利用Softmax分类器实现对故障诊断结果的输出。将该算法应用于振动数据库实验,验证了该算法的有效性,当样本分布不平衡时,依然保持较高的识别率。

Abstract

xian you de gun dong zhou cheng gu zhang zhen duan suan fa yi lai yu ren gong te zheng di qu ,dang fu zai fa sheng bian hua huo gu zhang yang ben shu jiao shao shi ,zhen duan xiao guo jiao cha 。zhen dui gai wen ti ,wen zhong jian li le ji yu juan ji shen jing wang lao de zhi neng gu zhang zhen duan suan fa 。shou xian ,jiang yuan shi zhen dong shu ju jin hang fen duan yu chu li ;ji ci ,jian li ji yu juan ji shen jing wang lao de gu zhang zhen duan mo xing shi xian dui gu zhang te zheng de zi kuo ying di qu ;zui hou ,li yong Softmaxfen lei qi shi xian dui gu zhang zhen duan jie guo de shu chu 。jiang gai suan fa ying yong yu zhen dong shu ju ku shi yan ,yan zheng le gai suan fa de you xiao xing ,dang yang ben fen bu bu ping heng shi ,yi ran bao chi jiao gao de shi bie lv 。

论文参考文献

  • [1].稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用[J]. 汤芳,刘义伦,龙慧.  机械科学与技术.2018(03)
  • [2].一种优化的SOM模型及其在轴承故障诊断中的应用[J]. 魏永合,冯睿智,魏超,王晶晶.  沈阳理工大学学报.2017(03)
  • [3].基于小波包变换与神经网络的滚动轴承故障诊断[J]. 孙晓涛,高军伟,毛云龙,张彬,董宏辉.  工业控制计算机.2017(08)
  • [4].小波包与RBF神经网络相结合的齿轮故障诊断[J]. 张江涛,史朋波,张娴.  科技创新与应用.2017(24)
  • [5].基于神经网络的故障诊断方法研究[J]. 鲁豪,耿晨,肖亚迪.  装备制造技术.2015(12)
  • [6].滚动轴承故障诊断的神经网络技术[J]. 张国新,李钟侠.  南方冶金学院学报.2001(02)
  • [7].双流深度反卷积的插值及识别神经网络[J]. 张强,杨剑,富丽贞.  计算机应用.
  • [8].1995年世界神经网络大会述评[J]. 迟惠生,陈珂.  国际学术动态.1996(01)
  • [9].脉冲神经网络和行为识别[J]. 吴立可.  通讯世界.2018(12)
  • [10].基于卷积神经网络的船舶分类模型[J]. 林嘉应,郑柏伦,刘捷.  信息技术与信息化.2019(02)
  • 论文详细介绍

    论文作者分别是来自信息技术的高峰,曲建岭,余路,王伟栋,发表于刊物信息技术2019年04期论文,是一篇关于卷积神经网络论文,振动信号论文,自适应特征提取论文,故障诊断论文,信息技术2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自信息技术2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    高峰:基于卷积神经网络的滚动轴承故障诊断算法论文
    下载Doc文档

    猜你喜欢